Группа экспертов и исследователей выступает с предложением для стран G7 внедрить федеративное обучение как эффективный способ минимизации угроз безопасности в сфере искусственного интеллекта (ИИ). Федеративное обучение позволяет моделям ИИ обучаться на распределённых данных, сохраняя конфиденциальность и снижая риски кибератак.
Согласно экспертам, централизованные системы обучения ИИ уязвимы перед злоумышленниками, поскольку все данные хранятся в одном месте. Федеративное обучение, напротив, позволяет обучать модели локально, обмениваясь лишь агрегированными обновлениями, что повышает безопасность и защищает персональные данные.
«Федеративное обучение открывает новые горизонты для безопасности ИИ, особенно в контексте международного сотрудничества», — отмечают специалисты. Они подчеркивают, что именно объединение усилий государств G7 может стать ключом к успешной реализации данной технологии.
Эксперты также указывают, что применение федеративного обучения поможет не только повысить уровень безопасности, но и улучшить качество моделей, поскольку данные остаются разнообразными и актуальными. Это важно в эпоху стремительного роста объемов данных и усиления требований к защите личной информации.
По мнению аналитиков, отказ от традиционных централизованных моделей в пользу федеративного обучения может стать стратегическим шагом в борьбе с киберугрозами и обеспечении устойчивого развития ИИ.
